Escolar Documentos
Profissional Documentos
Cultura Documentos
net/publication/348596350
CITATIONS READS
0 38
3 authors, including:
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Edson Zambon Monte on 08 March 2021.
Resumo: Este trabalho objetivou analisar os efeitos do crédito sobre crescimento econômico
dos municípios do Espírito Santo, no período de 2005 a 2015, utilizando a metodologia de
danos em painel. As análises foram feitas considerando o Produto Interno Bruto total (PIB
total) e o PIB dos setores: agropecuário, industrial e comercial e de serviços. Os resultados
revelaram que a oferta de crédito contribuiu para o crescimento econômico dos municípios
do Espírito Santo. Portanto, políticas públicas que facilitem a tomada de crédito podem levar
a bons resultados econômicos para os municípios capixabas.
Abstract: The aim of this study was to analyze the effects of credit on economic growth of
the municipalities of Espírito Santo, from 2005 to 2015, using panel data methodology. The
analysis was performed considering the total Gross Domestic Product (total GDP) and the
GDP of the following sectors: agricultural, industrial, commercial and services. The results
showed that credit supply contributed to the economic growth of the municipalities of
Espírito Santo. Therefore, public policies that facilitate credit can lead to good economic
results for the municipalities of Espírito Santo.
a
Professor do Departamento de Economia e Membro do Grupo de Pesquisa em Econometria (GPE), da
Universidade Federal do Espírito Santo (UFES). E-mail: edsonzambon@yahoo.com.br.
b
Economista pela Universidade Federal do Espírito Santo (UFES). E-mail: bruberaguiar@hotmail.com.
c
Mestrando em Economia pela Universidade Federal do Espírito Santo (PPGEco/UFES), bolsista FAPES.
Membro do Grupo de Pesquisa em Econometria (GPE/UFES). E-mail: renzo.caliman@hotmail.com.
1. Introdução
1
Drummond e Aguiar (2004) trazem três excelentes descrições em seu estudo, a saber: i) classificam e explicam
as funções do sistema financeiro e os canais de influência sobre o crescimento econômico; ii) apresentam alguns
modelos teóricos de crescimento endógeno que incorporam explicitamente o sistema financeiro; e, iii)
descrevem alguns estudos que testam empiricamente a possível relação existente entre o desenvolvimento do
setor financeiro e o crescimento econômico.
O presente artigo está estruturado da seguinte forma. Além desta introdução, a seção
2 traz uma breve revisão de literatura empírica. Na seção 3 são descritas as variáveis e o
referencial analítico; dados em painel. As análises estatísticas/econométricas são
demonstradas na seção 4. Por fim, as considerações finais são apresentadas na seção 5.
Esta seção traz uma breve revisão de literatura de trabalhos que estudaram a relação
entre financiamento e crescimento, uma vez que, conforme já descrito, os resultados
empíricos parecem aprofundar a dicotomia existente na relação tais variáveis econômicas
(LAWRENCE, 2006). A ideia aqui não é seguir somente uma vertente de pesquisa, mais
dar um panorama geral das pesquisas que relacionam crédito e crescimento,
independentemente dos resultados encontrados. A primeira parte apresenta alguns estudos
da literatura internacional e, a segunda parte, pesquisas relacionadas ao Brasil, sejam em
nível nacional ou regional.
Um dos trabalhos mais relevantes no plano internacional, no que se refere ao
desenvolvimento financeiro, é o de King e Levine (1993a). Os autores, em pesquisa para
80 países, compreendendo o período de 1960 a 1989, verificaram que várias medidas do
nível de desenvolvimento financeiro são correlacionadas com o crescimento do PIB real
per capita, a taxa de acumulação de capital físico, e as melhorias na eficiência com que a
economia emprega o capital físico. No mais, o componente predeterminado do
desenvolvimento financeiro está altamente correlacionado com as taxas futuras de
crescimento econômico, a acumulação de capital físico e as melhorias de eficiência
econômica.
Demetriades e Hussein (1996), em um estudo de séries temporais para 16 países,
realizaram testes de causalidade entre o desenvolvimento financeiro e o PIB real. Os
resultados revelaram pouco apoio à visão de que o financiamento é um setor líder no
processo de desenvolvimento econômico. No entanto, foram encontradas evidências
consideráveis de bidirecionalidade e algumas evidências de causalidade reversa entre as
variáveis. Além disso, contatou-se que os padrões de causalidade variam entre os países,
levando os autores a destacarem os perigos da inferência estatística com base em estudos
transversais de países que implicitamente tratam diferentes economias como entidades
homogêneas.
Levine e Zervos (1998) analisaram se o bom funcionamento do mercado de ações e
dos bancos promove o crescimento econômico de longo prazo, considerando um máximo
de 47 países, no período de 1973 a 1993. Os resultados demonstraram que a liquidez do
mercado acionário e o desenvolvimento bancário preveem positivamente o crescimento, a
acumulação de capital e as melhorias de produtividade, mesmo após o controle de fatores
econômicos e políticos. Os resultados são consistentes com a ideia de que os mercados
financeiros fornecem serviços importantes que estimulam o crescimento.
Levine (1999) analisou como fatores exógenos – por exemplo, características dos
ambientes legais e de regulação – afetam o desenvolvimento financeiro, e como este fator
analisando se, para uma economia local, periférica, em que os setores terciário e industrial
são os mais relevantes, a oferta de crédito tem impactos positivos e significativos sobre o
crescimento, controlando para indicadores socioeconômicos e demográficos.
3. Metodologia
Os dados utilizados neste trabalho são do tipo dados em painel. As variáveis são
apresentadas na Tabela 1. A análise foi realizada para os 78 municípios do Espírito Santo,
considerando o período de 2005 a 2015 (frequência anual). No que tange ao crescimento
econômico, seguindo a prática mais comum na literatura (GELB (1989); ROUBINI;
SALA-I-MARTIN (1992); KING; LEVINE (1993a, 1993b); MATTOS (2002)), adotou-se
como medida o Produto Interno Bruto (PIB) total ou desagregado por setor,
disponibilizados pelo Instituto Brasileiro de Geografia e Estatística (IBGE). Foram
estimadas várias regressões onde o PIBTOTAL, o PIBAGRO, o PIBIND e o PIBSERV
entraram como variável resposta.
No que tange à variável de tratamento operações de crédito (OPCRED)2, ressalta-se
que a mesma representa o estoque total das operações de empréstimos e financiamentos
concedidos pelas instituições integrantes do Sistema Financeiro Nacional (SFN), e que
estejam localizadas nos municípios do Estado do Espírito Santo. Os dados foram
provenientes do subsistema ESTBAN (Estatística Bancária) do Banco Central do Brasil
(BACEN), que reflete a posição mensal dos saldos das principais rubricas de balancetes
dos bancos comerciais e dos bancos múltiplos com carteira comercial. A fim de representar
os saldos anuais com operações de crédito dos municípios foi utilizado o saldo anual ao
final do mês de dezembro do respectivo ano (por exemplo: o saldo do ano de 2015 refere-
se ao saldo anual ao final do mês de dezembro de 2015).
No mais, com o intuito de dar mais robustez às estimativas, indicadores
socioeconômicos e demográficos foram adotados como variáveis de controle. Para tanto,
adotou-se a variável POP, coletada do IBGE e, como proxies para os indicadores
socioeconômicos, as variáveis IFDMGERAL, IFDMEMPR, IFDMEDUC e IFDMSAUDE
da Federação das Indústrias do Estado do Rio de Janeiro (FIRJAN)3. No mais, utilizou-se
entre as variáveis de controle uma variável DUMMY, que recebeu valor um, para o ano de
2009 e, zero, caso contrário, uma vez que o maior impacto negativo da crise do subprime
anualmente o desenvolvimento socioeconômico de todos os mais de cinco mil municípios brasileiros em três
áreas de atuação: Emprego & renda, Educação e Saúde (https://www.firjan.com.br/ifdm/).”
(iniciada nos Estados Unidos em meados de 2007) sobre o crescimento dos municípios
ocorreu em 2009. Cabe destacar que a metodologia de dados em painel já permite controlar
os efeitos fixos de cada município, sejam observáveis e não observáveis. Assim, é possível
controlar o viés causado pela omissão dessas variáveis (ou informações) sobre o coeficiente
de interesse.
Tabela 1: Variáveis Utilizadas
Variável Sigla Unidade Fonte
Variável reposta
PIB total PIBTOTAL R$ mil IBGE
PIB agropecuário PIBAGRO R$ mil IBGE
PIB industrial PIBIND R$ mil IBGE
PIB comercial e de serviços PIBSERV R$ mil IBGE
Variável de tratamento
Operações de crédito OPCRED R$ mil BACEN
Variáveis de controle
População POP Número de habitantes IBGE
IFDM geral IFDMGERAL Índice FIRJAN
IFDM emprego e renda IFDMEMPR Índice FIRJAN
IFDM educação IFDMEDUC Índice FIRJAN
IFDM saúde IFDMSAUDE Índice FIRJAN
DUMMY DUMMY Variável binária -
Fonte: elaborado pelos autores.
Nota: quando necessário, as variáveis foram deflacionadas pelo Índice de Preços ao Consumidor Amplo
(IPCA), utilizando 2005 como ano base.
4. Resultados e Discussões
Esta seção está dividida da seguinte forma: na primeira parte são apresentadas as
estatísticas descritivas e uma breve caracterização da oferta de crédito nos municípios do
Espírito Santo; e, na segunda, encontram-se as estimativas econométricas.
Cabe dizer que, pelas estatísticas da Tabela 2, existe uma grande heterogeneidade
entre os municípios do Espírito Santo no que se refere às variáveis em estudo, uma vez que
houve grande disparidade entre os valores de máximo e de mínimo, com desvios-padrão
significativamente elevados. Destaca-se que as disparidades municipais são aprofundadas
quando se comparam os municípios da Região da Grande Vitória (RGV) – Cariacica, Serra,
Vila Velha e Vitória –, com os demais municípios do estado, especialmente do interior. É
importante dizer que, em geral, as variáveis apresentaram assimetria positiva e alto valor
para a curtose, sendo que os coeficientes assimetria e curtose foram diferentes daqueles da
distribuição normal padrão, que são zero e três, respectivamente.
Analisando a situação da distribuição da oferta de crédito nos municípios capixabas,
pode-se observar na Figura 1 que, no ano de 2015, a mesma esteve concentrada na RGV
(Cariacica, Serra, Vila Velha e Vitória), sendo que somente Vitória concentrou 36,23% do
volume de crédito. Em termos de volume de crédito, destacam-se também: i) Cachoeiro de
Itapemirim, que pode vista como uma praça financeira regional, sendo que o município é
um polo em sua microrregião (Central); ii) o mesmo ocorre com Colatina, polo regional e
praça financeira da microrregião Centro-Oeste, sendo que, além dos agentes bancários
tradicionais, o município possui uma agência do Banco do Nordeste do Brasil; e, iii)
Linhares e São Matheus, que são destaques nas microrregiões Rio Doce e Nordeste,
também possuindo agências do Banco do Nordeste do Brasil. Destaca-se, também, que
todos os municípios nomeados na Figura 1 possuíam, em 2015, população maior que 100
mil habitantes, o que também contribui para o maior volume de crédito.
Vitória
Vila Velha
27,69 Serra
36,23
Cachoeiro de Itapemirim
1,83
Cariacica
1,90
3,69 Colatina
9,76
3,71 6,62 Linhares
4,13 São Mateus
4,45
um, dado que é um polo regional e possui uma agência do Banco do Nordeste do Brasil,
cabendo também uma pesquisa mais aprofundada.
Figura 2: Índice de Concentração de Crédito nos Municípios (maior que um), 2015
4,50
4,00
3,50
3,00
2,50
2,00
1,50
1,00
0,50
0,00
Montanha
Jaguaré
Vila Valério
Guaçuí
Ecoporanga
Iúna
Ibatiba
Marechal Floriano
Ibiraçu
Itarana
Domingos Martins
Iconha
Venda Nova do Imigrante
Alegre
Castelo
Itaguaçu
Brejetuba
Marilândia
Afonso Cláudio
Santa Leopoldina
Guarapari
Vila Velha
Alfredo Chaves
Conceição do Castelo
São Mateus
Conceição da Barra
Muqui
João Neiva
Baixo Guandu
Cachoeiro de Itapemirim
Pancas
Boa Esperança
Pinheiros
Vitória
Vargem Alta
Mimoso do Sul
Barra de São Francisco
Nova Venécia
São José do Calçado
Pedro Canário
Fonte: elaborado pelos autores a partir dos dados da pesquisa.
Figura 3 – Índice de Concentração de Crédito nos Municípios (menor que um), 2015
1,00
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
Linhares
Sooretama
Cariacica
Piúma
Mantenópolis
Atilio Vivacqua
Ponto Belo
Jerônimo Monteiro
Vila Pavão
Rio Bananal
Aracruz
Ibitirama
Marataízes
Anchieta
Fundão
Bom Jesus do Norte
Muniz Freire
Viana
Águia Branca
Laranja da Terra
Governador Lindenberg
Mucurici
Divino de São Lourenço
Serra
Apiacá
Irupi
Itapemirim
Presidente Kennedy
4
Somente na Tabela 4, Modelos 1, 4 e 5, o teste de Hausman indicou a utilização de efeitos aleatórios. Vale
mencionar que o coeficiente de determinação e o coeficiente de determinação ajustado para modelos de efeitos
fixos do tipo LSDV tende a ser elevado, devido ao grande número de variáveis explicativas, advindas da
inclusão de variáveis dummies para diferenciar os indivíduos. Assim, não se pode comparar o coeficiente de
determinação e o coeficiente de determinação ajustado do modelo LSDV (com dummies) com os respetivos
coeficientes do modelo de efeitos aleatórios. Para maiores detalhes, consultar Greene (2012).
5 O teste baseia-se na ideia de que, sob a hipótese de não correlação, os estimadores de efeitos fixos (EF) e de
efeitos aleatórios (EA) são consistentes, mas EF é ineficiente, enquanto, sob a hipótese alternativa, o EF é
consistente, mas o EA não (GREENE, 2012). Os resultados dos testes realizados podem ser consultados junto
ao autor.
setor industrial é o segundo em participação média no PIB total do estado, alavancado pela
metalurgia, pela extração de minerais metálicos e pela extração de petróleo e gás natural.
Dessa forma, dada a importância do setor para o Espírito Santo, os governos estadual e
municipal podem adotar medidas para que as operações de crédito contribuam cada vez
mais para o seu desenvolvimento, tanto nos municípios que já possuem o setor fortalecido
como para aqueles que não o possuem, visando ao desenvolvimento do interior capixaba.
Tabela 5: Impacto das Operações de Crédito no LPIBIND: todos os municípios
Variáveis Modelo 1 Modelo2 Modelo 3 Modelo 4 Modelo 5
Constante 6,308*** 6,221* 5,430** 5,723** 7,293***
L(OPCRED) 0,389*** 0,384*** 0,245*** 0,223*** 0,261***
L(POP) - 0,013ns 0,291ns 0,272ns 0,081ns
L(IFDMGERAL) - - 1,526*** - -
L(IFDMEMPR) - - - 0,297*** 0,312***
L(IFDMEDUC) - - - 0,683*** 0,586**
L(IFDMSAUDE) - - - 0,435*** 0,450***
DUMMY - - - - -0,142
N 858 858 858 858 858
R² ajustado 0,983 0,983 0,987 0,987 0,986
Teste F (igualdade
99,07[0,00] 76,46[0,00] 69,78 [0,00] 68,33[0,00] 68,33[0,00]
de interceptos)
Teste de Hausman 17,48[0,00] 17,38[0,00] 15,63[0,00] 25,86[0,00] 25,86[0,00]
Fonte: elaborado pelos autores a partir dos dados da pesquisa.
Nota: 1) *** Significativo a 1%; ** Significativo a 5%; * Significativo a 10%; ns Não significativo a 10%; 2)
Entre colchetes encontram-se os valores-p das estatísticas de teste; 3) L = Indica que as variáveis estão
expressas em logaritmos; e, 4) Estimativas por efeitos fixos, com o método de covariância do coeficiente
(coefficient covariance method) White Cross-Section.
municípios possuíam mais de 100 mil habitantes. Retirando-os da amostra, o restante (69
munícipios) respondia por, somente, 27,69% da oferta de crédito, no ano de 2015. Assim,
para complementar e dar robustez às análises, além das regressões para todos os municípios
(78), estimativas para dois blocos de municípios foram realizadas: i) municípios com maior
volume de crédito (mais de 100 mil habitantes; Tabela 7); e, ii) municípios com menor
volume de crédito (menos de 100 mil habitantes; Tabela 8). Exceto para o PIBIND (Tabela
7) e o PIBAGRO (Tabela 8), em que se adotou o modelo efeitos aleatórios (EA), as demais
estimativas foram realizadas pelo modelo de efeitos fixos (EF, por meio de variáveis
dummies, LSVD), sendo que as regressões foram estimadas na forma duplo-logarítmica. A
escolha do modelo para cada regressão foi feita por meio do teste de Hausman (1978),
considerando um nível de significância de 10%.
Tabela 7: Impacto das Operações de Crédito no PIB: municípios com maior volume
de crédito
Variáveis LPIBTOTAL LPIBAGRO LPIBIND LPIBSERV
Constante 2,930* 0,959ns -9,913** -1,541ns
L(OPCRED) 0,253*** 0,365*** 0,339*** 0,237***
L(POP) 0,025ns -0,461ns 0,799* 0,369***
L(IFDMEMPR) 0,288*** -0,263** 1,322*** 0,137**
L(IFDMEDUC) 0,324*** -0,708ns -1,463*** 0,575***
L(IFDMSAUDE) 0,347** -0,365ns 0,997*** 0,163ns
DUMMY 0,012ns -0,109*** -0,065*** 0,047***
N 99 99 99 99
R² ajustado 0,996 0,986 0,382 0,998
Teste F (igualdade de
66,53[0,000] 106,61[0,000] 47,02[0,000] 58,65[0,000]
interceptos)
Teste de Hausman 20,84[0,000] 39,12[0,000] 5,31[0,379] 34,63[0,000]
Fonte: elaborado pelos autores a partir dos dados da pesquisa.
Notas: 1) *** Significativo a 1%; ** Significativo a 5%; * Significativo a 10%; ns Não significativo a 10%; 2)
Entre colchetes encontram-se os valores-p das estatísticas de teste; 3) L = Indica que as variáveis estão
expressas em logaritmos; e, 4) Estimativas por efeitos fixos, com o método de covariância do coeficiente
(coefficient covariance method) White Cross-Section. Exceto para o PIBIND que adotou efeitos aleatórios.
Tabela 8: Impacto das operações de crédito no PIB: municípios com menor volume
de crédito
Variáveis LPIBTOTAL LPIBAGRO LPIBIND LPIBSERV
Constante 6,864*** 5.612*** 4,765* 5,532***
L(OPCRED) 0,208*** 0,120*** 0,272*** 0,189***
L(POP) 0,341** 0,326* 0,300ns 0,436***
L(IFDMEMPR) 0,111*** 0,028ns 0,287*** 0,068***
L(IFDMEDUC) 0,593*** 0,453*** 0,699*** 0,614***
L(IFDMSAUDE) 0,238*** 0,282*** 0,307*** 0,247***
DUMMY -0,087*** -0,148*** -0,150*** -0,037***
N 759 759 759 759
R² ajustado 0,988 0,330 0,974 0,991
Teste F (igualdade de
72,18[0,000] 105,28[0,000] 69,07[0,000] 81,60[0,000]
interceptos)
Teste de Hausman 28,32[0,000] 6,50[0,270] 23,17[0,000] 19,27[0,000]
Fonte: elaborado pelos autores a partir dos dados da pesquisa.
Notas: 1) *** Significativo a 1%; ** Significativo a 5%; * Significativo a 10%; ns Não significativo a 10%; 2)
Entre colchetes encontram-se os valores-p das estatísticas de teste; 3) L = Indica que as variáveis estão
expressas em logaritmos; e, 4) Estimativas por efeitos fixos, com o método de covariância do coeficiente
(coefficient covariance method) White Cross-Section. Exceto para o PIBAGRO que adotou efeitos aleatórios.
Por fim, para fins de robustez dos resultados, na Tabela 9 são apresentadas algumas
estimativas para o PIB total (PIBTOTAL)6 – levando-se em conta todos os municípios (78)
–, considerando a abordagem de painel dinâmico, por meio do método de momentos
generalizados (MMG), que lida com a possível endogenia das variáveis explicativas. Cabe
dizer que a estimação de dados em painel dinâmico por MMG remete-se aos trabalhos de
Arellano e Bond (1991), Arellano e Bover (1995) e Blundell e Bover (1998).
Especificamente em relação a este trabalho, adotou-se o método de momentos
generalizados em diferenças (MMG-DIF) (ARELLANO; BOND, 1991). Isso porque, nas
estimações com MMG system, em função da dimensão cross-section restrita,
principalmente para modelos menos parcimoniosos, ocorreram problemas de excesso de
instrumentos ou de não validade do conjunto de instrumentos, mesmo após a utilização do
comando collapse, do pacote plm do R project.
Em relação aos resultados da Tabela 9, destaca-se que, para todas as regressões
estimadas, o teste de Sargan revelou que os instrumentos adotados foram válidos. No que
tange aos coeficientes estimados para a variável operações de crédito (OPCRED), nota-se
que houve uma redução na magnitude dos mesmos, quando comparados aos coeficientes
da Tabela 3 (modelo estático). No entanto, os efeitos do crédito sobre o PIB total
permaneceram positivos e significativos, corroborando os resultados da Tabela 3.
6 Os resultados referentes aos PIB’s setoriais podem ser consultados junto aos autores.
Conclusão
Agradecimentos
Referências
BLUNDELL, R.; BOND, S. Initial conditional and moment restrictions in dynamic panel
data models. Journal of Econometrics, v. 87, n. 1, p. 115-143, 1998.
CAÇADOR, S. B.; GRASSI, R. A. Olhar crítico sobre o desempenho recente da
economia capixaba: uma análise a partir da literatura de desenvolvimento regional e de
indicadores de inovação. Revista Econômica do Nordeste, v. 40, n. 3, p 453-480, 2009.
CAÇADOR, S. B.; MONTE, E. Z. Crédito e crescimento econômico: o caso dos
municípios do Espírito Santo. In: MAGALHÃES, M. A.; TOSCANO, V. N. (Org.). A
Economia do Espírito Santo: novas visões. Vitória: CORECON-ES, 2012.
DEIDDA, L. G. Interaction between economic and financial development. Journal of
Monetary Economics, v. 53, p. 233-248, 2006.
DOI: https://doi.org/10.1016/j.jmoneco.2005.03.007
DEMETRIADES, P.; HUSSEIN, K. Does financial development cause economic
growth? Time-series evidence from 16 countries. Journal of Development Economics,
v. 51, n. 2, p. 387-411, 1996.
DOI: https://doi.org/10.1016/S0304-3878(96)00421-X
DOW, S. C. The regional composition of the money multiplier process. Scottish Journal
of Political Economy, v. 19, n. 1, p. 22-44, 1982.
DOI: https://doi.org/10.1111/j.1467-9485.1982.tb00434.x
DRUMMOND, I.; AGUIAR, A. Desenvolvimento do sistema financeiro e crescimento
econômico. Cadernos do Mercado de Valores Mobiliários, n. 18, p. 22-46, 2004.
GELB, A. H. Financial Policies, Growth, and Efficiency. World Bank Working Paper,
WPS 202, 1989.
GOLDSMITH, R. W. Financial Structure and Development. New Haven: Yale
University, 1969.
GRANGER, C. W. J.; HUANG, L. Notes on the Evolution of Panel Models. Working
Paper. University of California, San Diego, 1997.
GREENWOOD, J.; JOVANOVIC, B. Financial Development, Growth, and the
Distribution of Income. Journal of Political Economy, v. 98, n. 5, p. 1076-1107, 1990.
GREENE, W. H. Econometrics Analysis. 7 ed. New Jersey: Pearson, 2012.
GUISO, L.; SAPIENZA, P.; ZINGALES, L. Does local financial development matter?
The Quarterly Journal of Economics, v. 119, v. 3, p. 929-969, 2004.
HASSAN, M. K.; SANCHEZ, B.; YU, J-S. Financial development and economic growth:
new evidence from panel data. The Quarterly Review of Economics and Finance, v.
51, n. 1, p. 88-104, 2011.
DOI: https://doi.org/10.1016/j.qref.2010.09.001